Relative Valuation: Man vs. Machine: Can an Algorithm Beat Your Broker?

Frederik Halberg Christiansen & Marcus Hørby Søderholm

Student thesis: Master thesis

Abstract

Baseret på relativ værdiansættelse af 2,885 selskaber finder vi, at professionelle aktieanalytikere præsterer en signifikant højere præcisionsgrad end de undersøgte algoritmer ved en kombination af P/E og EV/EBITDA. Forskellen forøges i takt med, at selskabets markedsværdi øges.
Vi baserer vores resultater på algoritmer, der er udviklet og verificeret på baggrund af over 40,000 observationer fra 2010-2019. Vi betragter tre forskellige algoritmer, herunder Global Industry Classification Standard, Sum of Absolute Rank Differences (SARD), og Warranted Multiples. Algoritmerne er søgt optimeret igennem restriktioner på sektor, industri og geografi. Blandt algoritmerne leverer SARD den højeste præcisionsgrad. Denne optimeres ved udelukkende at udvælge sammenlignelige selskaber fra den samme industri som det selskab, der værdiansættes, befinder sig i.
Herunder finder vi, at man bør benytte estimerede frem for historiske regnskabstal når multiplerne beregnes. Præcisionsgraden øges, når estimeringshorisonten øges. Den højeste præcisionsgrad for enkelte multipler opnås ved at bruge P/E beregnet med estimater for næste års indtjening. Såfremt det antages, at kun en enkelt multipel kan benyttes, er der ikke signifikant forskel mellem præcisionsgraden af den industri begrænsede SARD-algoritme og aktieanalytikerne.

EducationsMSc in Finance and Accounting, (Graduate Programme) Final Thesis
LanguageEnglish
Publication date2020
Number of pages155
SupervisorsThomas Plenborg